Riassunto analitico
Nel presente lavoro di tesi viene analizzato l’impiego di due diverse tecnologie radio in applicazioni per lo smart metering. In particolare, il Wireless Meter-Bus (WM-Bus) operante a 169 MHz e la tecnologia Long Range (LoRa) proposta dalla ditta Semtech operante a 868 MHz sono state considerate e studiate nei loro aspetti principali. Sono stati valutati i vantaggi e gli svantaggi derivanti dall’utilizzo di queste tecnologie in applicazioni reali e una particolare attenzione è stata prestata alla valutazione della loro massima copertura radio raggiungibile in diverse tipologie di scenario. Quest’ultimo aspetto, in particolare, è stato affrontato implementando tecniche di machine learning allenate e, successivamente, testate tramite dati sperimentali raccolti in numerose campagne di misura. Tra le varie possibili tecniche, abbiamo selezionato il Support Vector Machine (SVM) e le reti neurali poiché particolarmente promettenti per la predizione delle perdite propagative in ambito industriale. I risultati numerici conseguiti sono legati alle tre seguenti casistiche: 1) perdite propagative a 169 MHz in scenari outdoor sia urbani che suburbani; 2) perdite propagative in outdoor sia a 169 MHz che a 868 MHz in diverse aree della città di Modena; 3) perdite propagative outdoor- to-indoor valutate a 868 MHz in un edificio del Campus DIEF dell’Università di Modena e Reggio Emilia. I nostri risultati dimostrano che: a) il protocollo WM-Bus rappresenta, al momento della stesura di questa tesi, la scelta migliore per applicazioni smart metering in termini di copertura radio; b) il protocollo LoRa rappresenta una scelta affidabile nella copertura di aree contenute (come un campus universitario o un’azienda) per qualunque applicazione implichi operazioni di raccolta dati.
|
Abstract
In this thesis the use of two long range radio technologies, namely 169 MHz Wireless Meter-Bus (WM-Bus) and 868 MHz Semtech Long Range (LoRa), in smart metering applications is investigated. In particular, the proposed work focuses on assessing the advantages and disadvantages deriving from the adoption of these technologies in real world scenarios; in doing so, particular attention is devoted to the problem of assessing the achievable radio coverage in different propagation environments. In our work, however, the last problem is not tackled in a traditional fashion, since prediction methods based on modern machine learning techniques are adopted to solve it. More specifically, the selected solution is based on support vector machines and neural networks, since these represent potentially powerful and efficient tools for the prediction of path losses. A rich set of experimental results, acquired in various measurement campaigns, is employed for both training these techniques and assessing their accuracy. Various numerical results are provided for the following three cases: 1) outdoor path losses experienced at 169 MHz in various urban and suburban scenarios; 2) outdoor path losses experienced at 169 MHz and at 868 MHz in Modena; c) outdoor-to- indoor path losses experienced at 868 MHz in a building of the DIEF Campus (University of Modena and Reggio Emilia). Our results show that: a) WM-Bus represents, at the time of writing, the best technical choice for smart gas metering in terms of radio coverage; b) LoRa is an efficient protocol for the reliable coverage of a restricted area (e.g., a campus or a factory) in any application involving data collection.
|
